如何通过向列表追加数组得到指定维度顺序的多维数组

嘿，我来帮你搞定这个维度顺序的问题～ 先从你给的测试小例子说起，再延伸到你实际的卷积场景。

先看你的测试案例 #

你现在的代码运行后得到(100,3)的形状，但想要(3,100)，有两种简单的解决方式：

• 方式一：在追加时调整形状，最后拼接
  把每个要追加的数组改成列向量（shape为(3,1)），然后用concatenate沿着列方向拼接：

  import numpy as np
  trial = []
  for i in range(100):
      # 把数组转为(3,1)的列向量
      trial.append(np.array([1,2,5]).reshape(3,1))
  # 沿着axis=1拼接，得到(3,100)
  trial = np.concatenate(trial, axis=1)
  

• 方式二：先按原方式生成，再转置
  如果你已经得到了(100,3)的数组，直接用转置就能得到想要的形状：

  trial = np.array(trial).T
  

  一维数组的转置会直接交换两个维度，完全满足需求。

再看你实际的卷积场景 #

你循环追加卷积结果后得到(30,16,16)，想要的是(16,16,30)，这里直接用.T确实存在隐患（如果维度1和2数值不同，结果就会出错），推荐下面两种更稳妥的方式：

• 方式一：追加时增加维度，再拼接
  给每个卷积结果增加一个新的尾部维度（变成(16,16,1)），然后沿着这个新维度拼接：

  import numpy as np
  firststep = []
  for i in range(bunchoffilters1.shape[0]):
      conv_result = convolution(image, kernel=bunchoffilters1[i], non_linearity='sigmoid')
      # 给结果增加一个新维度，变成(16,16,1)
      firststep.append(conv_result[..., np.newaxis])
  # 沿着第2个维度拼接，得到(16,16,30)
  firststep = np.concatenate(firststep, axis=2)
  

• 方式二：生成后用transpose指定维度顺序
  如果已经得到了(30,16,16)的数组，直接用transpose指定想要的维度顺序：

  firststep = np.array(firststep)
  # 把原维度1→新维度0，原维度2→新维度1，原维度0→新维度2
  firststep = firststep.transpose(1, 2, 0)
  

  这种方式不管原维度1和2是否相同，都能准确得到你想要的形状，非常稳妥。

• 方式三：用列表推导式+stack一步到位
  如果你不需要保留中间的列表，可以直接用numpy.stack函数，一步生成目标形状：

  firststep = np.stack(
      [convolution(image, kernel=bunchoffilters1[i], non_linearity='sigmoid') 
       for i in range(bunchoffilters1.shape[0])],
      axis=2
  )
  

  stack会自动把每个(16,16)的数组沿着指定的axis=2堆叠，直接得到(16,16,30)的结果，代码更简洁。

备注：内容来源于stack exchange，提问作者DynoMonster